在SAS中如何使用PROC执行嵌套Cox回归模型的嵌套检验？

SAS中的PROC PHREG完全支持嵌套Cox回归模型的检验，你之前的代码失败是因为同一个PROC PHREG块中多个MODEL语句会覆盖上下文，TEST语句只会关联最后一个MODEL，而你的简化模型不含x3/x4，导致检验无效。

以下是两种正确的实现方法：

方法一：直接检验变量联合效应（等价于嵌套模型比较） #

如果你的目标是检验“去掉x3/x4后的简化模型是否与全模型无差异”，本质就是检验这两个变量的联合显著性。只需拟合全模型，并用TEST语句执行检验（推荐指定似然比检验，比默认的Wald检验更适合嵌套模型）：

proc phreg data=mydata;
  model time*event(0) = x1 x2 x3 x4; /* 拟合全模型 */
  /* 检验x3和x4的联合效应，/ lr 指定似然比检验（默认是Wald检验） */
  test x3 x4 / lr;
run;

输出结果中会给出似然比统计量、自由度和P值，若P值小于显著性水平（如0.05），则拒绝原假设，说明全模型更优。

方法二：分别拟合模型后计算似然比检验 #

如果你需要手动对比两个模型的拟合统计量，可以分别拟合全模型和简化模型，提取-2 Log L值后计算似然比统计量：

步骤1：拟合两个模型并保存拟合统计量 #

/* 拟合全模型，保存-2对数似然值 */
proc phreg data=mydata;
  model time*event(0) = x1 x2 x3 x4;
  ods output FitStatistics=full_model_fit;
run;

/* 拟合简化模型，保存-2对数似然值 */
proc phreg data=mydata;
  model time*event(0) = x1 x2;
  ods output FitStatistics=reduced_model_fit;
run;

步骤2：计算似然比检验结果 #

data lr_test_result;
  /* 合并两个模型的-2 Log L统计量 */
  merge full_model_fit(where=(Label='-2 Log L') rename=(Value=full_2ll))
        reduced_model_fit(where=(Label='-2 Log L') rename=(Value=reduced_2ll));
  
  /* 似然比统计量 = 简化模型-2LL - 全模型-2LL */
  lr_statistic = reduced_2ll - full_2ll;
  /* 自由度 = 全模型比简化模型多的变量数（这里是2个：x3、x4） */
  df = 2;
  /* 计算P值（卡方分布） */
  p_value = 1 - probchi(lr_statistic, df);
  
  label lr_statistic='似然比统计量' df='自由度' p_value='P值';
run;

/* 输出检验结果 */
proc print data=lr_test_result noobs;
run;

关键说明 #

• 嵌套模型比较优先使用似然比检验，它比Wald检验更可靠，尤其是当样本量不大或系数估计值较大时。
• 若使用TEST语句未加/ lr选项，默认输出Wald检验结果，虽然也能用于联合检验，但适用性不如似然比检验。

内容的提问来源于stack exchange，提问作者J.Z.